Open Business Data: How Private Companies Can Extract Value From Opening Their Data

Abstract

De eksponentielle datamengdene dagens selskaper samler inn fra virksomhet og kunder danner grunnlag for å hente ut verdi gjennom deling og salg av data. Åpen forretningsdata er et begrep som brukes for å beskrive hvordan private organisasjoner deler data med andre parter gjennom forskjellige ordninger, underlagt begrensninger som virksomheter bestemmer seg for å få på plass. EU-kommisjonen estimerte i 2025 den globale dataøkonomien til å bli verdsatt til 829 milliarder euro (European Commission, 2020) og pekte på det enorme verdipotensialet knyttet til å åpne data fra selskaper og offentlig sektor.

Det siste tiåret har fokuset i litteraturen hovedsakelig vært på åpning av data fra offentlig sektor, mens åpning av data fra privat sektor har fått mindre oppmerksomhet. Åpen forretningsdata er fremdeles et lite studert felt i litteraturen, og forskere hevder at private organisasjoner henger etter. Til tross for de store antatte underliggende verdiene, er det få studier som forsøker å hjelpe ledere i å hente de ut.

Hensikten med denne studien er å gi innsikt i hvordan selskaper kan tilnærme seg åpen forretningsdata-initiativer gjennom en analyse av det eksisterende markedet og hvordan beslutninger i selskaper tas i dag, for foreslå et beslutningsrammeverk for ledere. I konteksten presenterer vi hvordan kjennetegnene til data skiller det fra mer tradisjonelle ressurser, og det underliggende verdipotensialet. Den konseptuelle delen av studien utforsker litteraturen om åpne forretningsdata, støttet av teori fra åpen data. Deretter kombineres effektiviseringsbasert beslutningstaking med åpen forretningsdata-litteratur for å foreslå et beslutningsrammeverk for ledere. En casestudie, bestående av fem selskap, brukes til å gi et empirisk grunnlag for å diskutere kjennetegn ved markedet, beslutningsprosesser og å evaluere rammeverket.

Markedet for åpen forretningsdata er funnet å være umodent og ha flere fremtredende barrierer. Vi trekker spesielt frem utfordringene knyttet til verdsettelse av data og å finne gode brukstilfeller. Fra casestudiene identifiserer vi fremtredende bruk av effektiviseringsbaserte beslutningsprosesser i selskapene. Et intuitivt beslutningsrammeverk er derfor funnet til å være basert på effektiviseringsteori, og består av tre hovedtrinn: 1) vurdering av organisasjon og data, 2) eksperimentering og validering av etterspørsel, og 3) evaluering av drivere, barrierer og organisasjonstilpasning. Studiene våre antyder at ledere med generelle ambisjoner om å hente verdier fra data, skal følge det foreslåtte beslutningsrammeverket når de skal tilnærme seg prosjekter tilknyttet åpen forretningsdata. Spesifikt, bør de eksperimentere for å validere etterspørselen etter dataene sine. Videre bør offentlige beslutningstakere bidra til å utdanne både selskaper og brukere av data, samt bidra med datainfrastruktur der det er mulig. Mer forskning er nødvendig for å følge utviklingen av åpne forretningsdata, spesielt på hvordan forbrukernes personvern og sikkerhet opprettholdes underveis. I tillegg er det behov for studier som identifiserer og studerer suksesshistorier, som kan inspirere ledere.

Studien bidrar til litteratur på åpen forretningsdata, et forskningsområde som er lite studert. Så langt vi vet, er studien den første til å utforske effektiveringsbaserte beslutninger i sammenheng med åpne selksapsdaata. Ved å plassere åpen forretningsdata i litteraturen og presentere en oversikt over relevante temaer som økosystem, infrastruktur, drivere og barrierer, er oppgaven et verdifullt bidrag og et grunnlag for videre forskning.

Nøkkelord: Åpen forretningsdata, beslutningsrammeverk, åpne data

The exponential amounts of data companies gather from customers and operations form a basis for extracting value through sharing and selling data. Open business data (OBD) is a term used to describe how private organizations share data with other parties through various arrangements, subject to restrictions that businesses decide to put in place. The European Commission estimated the global data economy to be valued at €829 billion in 2025 (European Commission, 2020), pointing the massive value potential related to opening data both for companies and societies.

In the last decade, the focus in the literature has mainly been on Open Government Data (OGD), exploring how governments can open up their data to their citizens, while the private sector has been given less attention. OBD is still a scarcely studied field in the literature, and scholars argue that private organizations are lagging behind. Despite the great assumed underlying values, few studies in the literature support managers in extracting them.

The purpose of this study is to provide insights into how companies can approach OBD initiatives through an analysis of the market and decision making of Norwegian companies, and proposing a decision support framework for managers. In the context, we present how the characteristics of data distinguish it from more traditional resources, and the value potential related to it. The conceptual part of the study explores the literature on OBD, supported by open data and OGD theory. Then effectuation-based decision making is combined with OBD literature in the proposition of a decision support framework for managers of OBD projects. A multiple case study, based on interviews, is used to provide an empirical foundation to discuss the characteristics of the market and decision making and evaluate the framework.

The OBD market is found to be immature and having several prominent barriers. We especially highlight the challenges related to finding good use cases, and valuating and pricing data and data products. Through five case studies, we identify prominent use of effectuation decision making processes in the companies. An intuitive decision support framework is therefore found to be based on effectuation theory and consisting of three main steps: 1) assessing organization and data, 2) experimentation and validating demand, and 3) evaluation of drivers, barriers, and organizational changes. Implications of our research suggest that managers with general aspirations of creating value from data should follow the proposed framework when approaching OBD projects. In specific, they should look into their data resources and experiment to validate the demand for their data. Furthermore, policymakers should help educate both suppliers and users of data, as well as contribute with infrastructure where it is possible. More research is needed to keep up with the developments of OBD, i.e by looking into how consumer privacy and security are maintained along the way. In addition, as we find few examples of OBD initiatives in literature, studies identifying and studying success stories are warranted.

The study contributes to OBD literature, an area of research that is scarcely studied. As far as we know, the study is the first to explore effectuation-based decision making in relation to OBD. By placing OBD in the literature and presenting an overview of relevant topics such as ecosystem, infrastructure, drivers and barriers, the thesis is a valuable contribution and foundation for further research.

Keywords: Open business data, decision support framework, open data